[Önceki Bölüm]

ÜÇÜNCÜ BÖLÜM

1. Tanımı 

   Yapay zeka, insanın düşünme yapısını anlamak ve bunun benzerini ortaya çıkaracak bilgisayar işlemlerini geliştirmeye çalışmak olarak tanımlanır. Yani programlanmış bir bilgisayarın düşünme girişimidir. Daha geniş bir tanıma göre ise, yapay zeka, bilgi edinme, algılama, görme, düşünme ve karar verme gibi insan zekasına özgü kapasitelerle donatılmış bilgisayarlardır.

    

2. Gelişim Süreci

Yapay zeka konusundaki ilk çalışma McCulloch ve Pitts tarafından yapılmıştır. Bu araştırmacıların önerdiği, yapay sinir hücrelerini kullanan hesaplama modeli, önermeler mantığı, fizyoloji ve Turing’in hesaplama kuramına dayanıyordu. Her hangi bir hesaplanabilir fonksiyonun sinir hücrelerinden oluşan ağlarla hesaplanabileceğini ve mantıksal “ve” ve “veya” işlemlerinin gerçekleştirilebileceğini gösterdiler. Bu ağ yapılarının uygun şekilde tanımlanmaları halinde öğrenme becerisi kazanabileceğini de ileri sürdüler. Hebb, sinir hücreleri arasındaki bağlantıların şiddetlerini değiştirmek için basit bir kural önerince, öğrenebilen yapay sinir ağlarını gerçekleştirmek de olası hale gelmiştir.

1950’lerde Shannon ve Turing bilgisayarlar için satranç programları yazıyorlardı. İlk yapay sinir ağı temelli bilgisayar SNARC, MIT’de Minsky ve Edmonds tarafından 1951’de yapıldı. Çalışmalarını Princeton Üniversitesi’nde sürdüren Mc Carthy, Minsky, Shannon ve Rochester’le birlikte 1956 yılında Dartmouth’da iki aylık bir workshop düzenledi. Bu toplantıda bir çok çalışmanın temelleri atılmakla birlikte, toplantının en önemli özelliği Mc Carthy tarafından önerilen Yapay zeka adının konmasıdır. İlk kuram ispatlayan programlardan Logic Theorist (Mantık kuramcısı) burada Newell ve Simon tarafından tanıtılmıştır.

Daha sonra Newell ve Simon, “insan gibi düşünme” yaklaşımına göre üretilmiş ilk program olan General Problem Solver (Genel sorun çözücü) ‘ı geliştirmişlerdir. Simon, daha sonra fiziksel simge varsayımını ortaya atmış ve bu kuram, insandan bağımsız zeki sistemler yapma çalışmalarıyla uğraşanların hareket noktasını oluşturmuştur.

Bundan sonraki yıllarda mantık temelli çalışmalar egemen olmuş ve programların başarımlarını göstermek için bir takım yapay sorunlar ve dünyalar kullanılmıştır. Daha sonraları bu sorunlar gerçek yaşamı hiçbir şekilde temsil etmeyen oyuncak dünyalar olmakla suçlanmış ve yapay zekanın yalnızca bu alanlarda başarılı olabileceği ve gerçek yaşamdaki sorunların çözümüne ölçeklenemeyeceği ileri sürülmüştür.

Geliştirilen programların gerçek sorunlarla karşılaşıldığında çok kötü bir başarım göstermesinin ardındaki temel neden, bu programların yalnızca sentaktik bir şekilde çalışıp konu ile ilgili bilgileri kullanmamasıydı. Bu dönemin en ünlü programlarından Weizenbaum tarafından geliştirilen Eliza, karşısındaki ile sohbet edebiliyor gibi görünmesine karşın, yalnızca karşısındaki insanın cümleleri üzerinde bazı işlemler yapıyordu. İlk makine çevirisi çalışmaları sırasında benzeri yaklaşımlar kullanılıp çok gülünç çevirilerle karşılaşılınca bu çalışmaların desteklenmesi durdurulmuştur.

Zeki davranışı üretmek için bu çalışmalarda kullanılan temel yapılardaki bazı önemli yetersizliklerin de ortaya konmasıyla bir çok araştırmacılar çalışmalarını durdurdular. Buna en temel örnek, sinir ağları konusundaki çalışmaların Minsky ve Papert’in 1969’da yayınlanan Perceptrons adlı kitaplarında tek katmanlı algaçların bazı basit problemleri çözemeyeceğini gösterip aynı kısırlığın çok katmanlı algaçlarda da beklenilmesi gerektiğini söylemeleri ile bıçakla kesilmiş gibi durmasıdır.

Her sorunu çözecek genel amaçlı program yerine belirli bir uzmanlık alanındaki bilgiyle donatılmış programlar kullanma fikri yapay zeka alanında yeniden bir canlanmaya yol açtı. Kısa sürede uzman sistemler adı verilen bir metodoloji gelişti. Fakat burada çok sık rastlanan tipik bir durum, bir otomobilin tamiri için önerilerde bulunan uzman sistem programının otomobilin ne işe yaradığından haberi olmamasıydı.

İnsanların iletişimde kullandıkları Türkçe, İngilizce gibi doğal dilleri anlayan bilgisayarlar konusundaki çalışmalar bu sıralarda hızlanmaya başladı. Doğal dil anlayan programların dünya hakkında genel bilgiye sahip olması ve bu bilgiyi kullanabilmek için genel bir metodolojisi olması gerektiği belirtilmekteydi.

Uzman dizgelerin başarıları beraberinde ilk ticari uygulamaları da getirdi. Yapay zeka yavaş yavaş bir endüstri haline geliyordu. DEC tarafından kullanılan ve müşteri siparişlerine göre donanım seçimi yapan R1 adlı uzman sistem şirkete bir yılda 40 milyon dolarlık tasarruf sağlamıştı. Birden diğer ülkelerde yapay zekayı yeniden keşfettiler ve araştırmalara büyük kaynaklar ayrılmaya başlandı. 1988’de yapay zeka endüstrisinin cirosu 2 milyar dolara ulaşmıştı.

Bütün bu çalışmaların sonunda yapay zeka araştırmacıları iki guruba ayrıldılar. Bir gurup insan gibi düşünen sistemler yapmak için çalışırken, diğer gurup ise rasyonel karar verebilen sistemler üretmeyi amaçlamaktaydı.

Aşağıda bu yaklaşımları kısaca inceleyeceğiz.

• İnsan gibi düşünen sistemler

İnsan gibi düşünen bir program üretmek için insanların nasıl düşündüğünü saptamak gerekir. Bu da psikolojik deneylerle yapılabilir. Yeterli sayıda deney yapıldıktan sonra elde edilen bilgilerle bir kuram oluşturulabilir. Daha sonra bu kurama dayanarak bilgisayar programı üretilebilir. Eğer programın giriş/çıkış ve zamanlama davranışı insanlarınkine eşse programın düzeneklerinden bazılarının insan beyninde de mevcut olabileceği söylenebilir.

İnsan gibi düşünen sistemler üretmek bilişsel bilimin araştırma alanına girmektedir. Bu çalışmalarda asıl amaç genellikle insanın düşünme süreçlerini çözümlemede bilgisayar modellerini bir araç olarak kullanmaktır.

• İnsan gibi davranan sistemler

Yapay zeka araştırmacılarının baştan beri ulaşmak istediği ideal, insan gibi davranan sistemler üretmektir. Turing zeki davranışı, bir sorgulayıcıyı kandıracak kadar bütün bilişsel görevlerde insan düzeyinde başarım göstermek olarak tanımlamıştır. Bunu ölçmek için de Turing testi olarak bilinen bir test önermiştir. Turing testinde denek, sorgulayıcıyla bir terminal aracılığıyla haberleşir. Eğer sorgulayıcı, deneğin insan mı yoksa bir bilgisayar mı olduğunu anlayamazsa denek Turing testini geçmiş sayılır.

Turing, testini tanımlarken zeka için bir insanın fiziksel benzetiminin gereksiz olduğunu düşündüğü için sorgulayıcıyla bilgisayar arasında doğrudan fiziksel temastan söz etmekten kaçınmıştır. Burada vurgulanması gereken nokta, bilgisayarda zeki davranışı üreten sürecin insan beynindeki süreçlerin modellenmesiyle elde edilebileceği gibi tamamen başka prensiplerden de hareket edilerek üretilmesinin olası olmasıdır.

• Rasyonel düşünen sistemler

Bu sistemlerin temelinde mantık yer alır. Burada amaç çözülmesi istenen sorunu mantıksal bir gösterimle betimledikten sonra çıkarım kurallarını kullanarak çözümünü bulmaktır. Yapay zeka’da çok önemli bir yer tutan mantıkçı gelenek zeki sistemler üretmek için bu çeşit programlar üretmeyi amaçlamaktadır.

Bu yaklaşımı kullanarak gerçek sorunları çözmeye çalışınca iki önemli engel karşımıza çıkmaktadır. Mantık, formel bir dil kullanır. Gündelik yaşamdan kaynaklanan, çoğu kez de belirsizlik içeren bilgileri mantığın işleyebileceği bu dille göstermek hiç de kolay değildir. Bir başka güçlük de en ufak sorunların dışındaki sorunları çözerken kullanılması gerekecek bilgisayar kaynaklarının üstel olarak artmasıdır.

• Rasyonel davranan sistemler

Amaçlara ulaşmak için inançlarına uygun davranan sistemlere rasyonel denir. Bir ajan algılayan ve harekette bulunan bir şeydir. Bu yaklaşımda yapay zeka, rasyonel ajanların incelenmesi ve oluşturulması olarak tanımlanmaktadır. Rasyonel bir ajan olmak için gerekli koşullardan biri de doğru çıkarımlar yapabilmek ve bu çıkarımların sonuçlarına göre harekete geçmektir. Ancak, yalnızca doğru çıkarım yapabilmek yeterli değildir. Çünkü bazı durumlarda doğruluğu ispatlanmış bir çözüm olmadığı halde gene de bir şey yapmak gerekebilir. Bunun yanında çıkarımdan kaynaklanmayan bazı rasyonel davranışlar da vardır. Örneğin, sıcak bir şeye değince insanın elini çekmesi bir refleks harekettir ve uzun düşünce süreçlerine girmeden yapılır.

Bu yüzden yapay zekayı rasyonel ajan tasarımı olarak gören araştırmacılar, iki avantaj öne sürerler. Birincisi “düşünce yasaları” yaklaşımından daha genel olması, ikincisi ise bilimsel geliştirme yöntemlerinin uygulanmasına daha uygun olmasıdır.

Şimdi ise farklı disiplinler açısından yapay zeka yaklaşımları anlatılacaktır.

3. Yapay Zekaya Farklı Yaklaşımlar
   
   1. Matematiksel Yaklaşım

      Kaos teorisinin beynin üst düzey fonksiyonlarının modellenmesinde önemli bir rol oynayacağı düşünülmektedir. İnsan beyni gibi bir fonksiyon üstlenmesine çalışılan bir sistemin tasarlanmasındaki çabalar için, kuşkusuz kaos teorisi çok önemli bir yer tutmaktadır. Çünkü tasarılar ortaya konulacak modelleri temel almaktadır.

       

      Kaos teorisi, sayısal bilgisayarların ve onların çıktılarını çok kolay görülebilir hale getiren ekranların ortaya çıkmasıyla gelişti ve son on yıl içinde popülerlik kazandı. Ancak kaotik davranış gösteren sistemlerde kestirim yapmanın imkansızlığı bu popüler görüntüyle birleşince, bilim adamları konuya oldukça kuşkucu bir gözle bakmaya başladılar. Fakat son yıllarda kaos teorisinin ve onun bir uzantısı olan fraktal geometrinin, borsadan meteorolojiye, iletişimden tıbba, kimyadan mekaniğe kadar uzanan çok farklı dallarda önemli kullanım alanları bulması ile bu kuşkular giderek yok olmaktadır.

       

      Teoriye temel oluşturan matematiksel ve temel bilimsel bulgular, 18.yüzyıla, hatta bazı gözlemler antik çağlara kadar geri gidiyor. Yunan ve Çin mitolojilerinde yaradılış efsanelerinde başlangıçta bir kaosun olması rastlantı değil. Özellikle Çin mitolojisindeki kaosun, bugün bilimsel dilde tanımladığımız olgularla hayret verici bir benzerliği olduğunu görüyoruz. Batı’da da daha sonraki dönemlerde bilim adamları tarafından karmaşık olgulara dair gözlemler yapılmıştır. Poincare, Weierstraas, von Koch, Cantor, Peano, Hausdorff, Besikoviç gibi çok üst düzey matematikçiler tarafından bu teorinin temel kavramları oluşturulmuştur.

       

      Karmaşık sistem teorisinin ardında yatan yaklaşımı felsefe, özellikle de bilim felsefesi açısından inceleyecek olursak, ortaya ilginç bir olgu çıkıyor. Aslında bugün pozitif bilim olarak nitelendirdiğimiz şey, batı uygarlığının ve düşünüş biçiminin bir ürünüdür. Bu yaklaşımın en belirgin özelliği, analitik oluşu yani parçadan tüme yönelmesi (tümevarım).

       

      Genelde karmaşık problemleri çözmede kullanılan ve bazen çok iyi sonuçlar veren bu yöntem gereğince, önce problem parçalanıyor ve ortaya çıkan daha basit alt problemler inceleniyor. Sonra, bu alt problemlerin çözümleri birleştirilerek, tüm problemin çözümü oluşturuluyor. Ancak bu yaklaşım görmezden gelerek ihmal ettiği parçalar arasındaki ilişkilerdir. Böyle bir sistem parçalandığında, bu ilişkiler yok oluyor ve parçaların tek tek çözümlerinin toplamı, asıl sistemin davranışını vermekten çok uzak olabiliyor.

       

      Tümevarım yaklaşımının tam tersi ise tümevarım, yani bütüne bakarak daha alt olgular hakkında çıkarsamalar yapmak. Genel anlamda tümevarımı Batı düşüncesinin, tümdengelimi Doğu düşüncesinin ürünü olarak nitelendirmek mümkündür. Kaos yada karmaşıklık teorisi ise, bu anlamda bir doğu-Batı sentezi olarak görülebilir. Çok yakın zamana kadar pozitif bilimlerin ilgilendiği alanlar doğrusallığın geçerli olduğu, daha doğrusu çok büyük hatalara yol açmadan varsayılabildiği alanlardır. Doğrusal bir sistemin girdisini x, çıktısını da y kabul edersek, x ile y arasında doğrusal sistemlere özgü şu ilişkiler olacaktır:

       

      Eğer x₁’e karşılık y_{1, x2}’ye karşılık y_{2 elde ediyorsak, girdi olarak x1+x2} verdiğimizde, çıktı olarak y_{1+y2 elde ederiz.}

       

      Bu özellikleri sağlayan sistemlere verilen karmaşık bir girdiyi parçalara ayırıp her birine karşılık gelen çıktıyı bulabilir, sonra bu çıktıların hepsini toplayarak karmaşık girdinin yanıtını elde edebiliriz. Ayrıca, doğrusal bir sistemin girdisini ölçerken yapacağımız ufak bir hata, çıktının hesabında da başlangıçtaki ölçüm hatasına orantılı bir hata verecektir. Halbuki doğrusal olmayan bir sistemde y’yi kestirmeye çalıştığımızda ortaya çıkacak hata, x’in ölçümündeki ufak hata ile orantılı olmayacak, çok daha ciddi sapma ve yanılmalara yol açacaktır. İşte bu özelliklerinden dolayı doğrusal olmayan sistemler kaotik davranma potansiyelini içlerinde taşırlar.

       

      Kaos görüşünün getirdiği en önemli değişikliklerden biri ise, kestirilemez determinizmdir. Sistemin yapısını ne kadar iyi modellersek modelleyelim, bir hata bile (Heisenberg belirsizlik kuralına göre çok ufak da olsa, mutlaka bir hata olacaktır), yapacağımız kestirmede tamamen yanlış sonuçlara yol açacaktır. Buna başlangıç koşullarına duyarlılık adı verilir ve bu özellikten dolayı sistem tamamen nedensel olarak çalıştığı halde uzun vadeli doğru bir kestirim mümkün olmaz. Bugünkü değerleri ne kadar iyi ölçersek ölçelim, 30 gün sonra saat 12’de hava sıcaklığının ne olacağını kestiremeyiz.

       

      Kaos konusunda bu uzun girişten sonra konunun beyinle ilişkisine gelelim. Beynin fizik yapısı ve görünüşü fraktaldır. Bu yapı, beynin gerek evrimsel, gerekse canlının yaşamı sürecindeki gelişimin ürünüdür ki, bu gelişimin deterministik (genlerle belirli), ancak çevre ve başlangıç koşullarına son derece duyarlı, yani kaotik olduğu açıktır. Beynin yalnızca oluşumu değil, çalışma biçimi de kaotiktir. Beyni oluşturan inanılmaz boyuttaki nöron ağının içinde bilgi akışı kaotik bir şekilde gerçekleşir. Kaotik davranışın tarama özelliği ve bunun getirdiği uyarlanırlık (adaptivite) sayesinde, beyin çok farklı durumlara uyum sağlar, çok farklı problemlere çözüm getirebilir, çok farklı fonksiyonları gerçekleştirir.

       

      EEG sinyalleri üzerine yapılan araştırmalar göstermiştir ki, sağlıklı bir insanın sinyalleri kaotik bir davranış gösterirken, epilepsi krizine girmiş bir hastanın sinyalleri çok daha düzenli, periyodik bir davranış sergilemektedir. Yani epilepsi krizindeki hastanın beyni, kendini tekrarlayan bir davranışa takılmış ve kaotik (yani sağlıklı) durumda sahip olduğu adaptivite özelliğini yitirmiştir. Bunun sonucu hasta, kriz sırasında en basit fonksiyonlarını bile yerine getiremez olur.

       

      Kaos bilimini ortaya çıkaran, karmaşık olguları basit parçalara ayırmak yerine onları bir bütün olarak görme eğilimi, beyni inceleyen bilim adamlarının da yaklaşımını belirlemiştir. Eskiden beyin farklı fonksiyonlardan sorumlu merkezler şeklinde modellenirken, artık holistik (bütünsel) beyin modeli geçerlilik kazanmıştır. Bu modele göre herhangi bir işlev gerçekleştirilirken, beynin tümü bu olguya katılmaktadır.

       

      Önümüzdeki yıllarda beynin yalnız alt düzey fizyolojik işleyişinin değil, öğrenme, hatırlama, fikir yürütme gibi üst düzey işlevlerinin de modellenmesinde kaosun çok önemli bir rol oynayacağı görülmektedir.

       

   2. Fiziksel Yaklaşım

      Tüm vücut fonksiyonları en temelde fiziğe dayanır. Fakat burada fiziğin oynadığı rol nedir? Bu, “taşı bıraktım yere düştü” tarzında bir fizik değildir. Böyle olsaydı beyin bugüne kadar çok kolay çözülürdü, hatta Descartes bile belki çözmüş olurdu. Söz konusu olan, son yetmiş yıl içinde fizikçilerin kullanmakta olduğu ve doğayı matematiksel bir yapı çerçevesinde anlayıp anlatabilme yöntemi olan kuantum mekaniğinin özellikleri ile durumu bağdaştırabilmektir. Bir masa üzerinde duran nesneyi yerçekimi çeker ama masa buna karşı gelir. Dolayısıyla nesne üzerine uygulanan toplam kuvvet sıfırdır. Üzerindeki koşullar böyle devam ettiği sürece, istediği gibi hareket edebilir. Yani biraz dokunulsa ve sürtünme olmasa nesne teorik olarak sonsuza kadar hareket edecek. Oysa kuantum mekaniğine göre serbest parçacık olarak algıladığımız bir nesne, yani üzerinde hiçbir dış etki olmayan nesne, her yerde olabilir. Ama doğanın bunun üzerinde etkili olan sayısal özellikleri, ancak; atomlar ve atomaltı nesneler düzeyinde kendini gösterebiliyor. Cisimlerin boyutları büyüdükçe bu etkiler bazı karmaşıklıkların arasında yok oluyor, o zaman bu nesnelerde koyduğumuz yerde duruyorlar. Fakat bir elektronu siz şuraya koydum diyemiyorsunuz; üzerinde hiçbir kuvvet olmayan bir elektron, evrende herhangi bir yerde bulunabiliyor. Bunu gördüm, buldum dediğiniz anda, o herhangi yerlerden bir tanesi gerçekleşmiş oluyor. Tüm diğer yerlerin serbest bir elektronun yeri olarak ortaya çıkma olasılığı aynı, eşit. Bir elektronun bir atom içinde sahip olabileceği fiziksel durumlar enerji, momentum, açısal momentum gibi fiziksel parametrelerle belirleniyor. Kuantum mekaniği bu değerlerin belli nitelikler taşımasını gerektiriyor. Sistemin bu değerlerle belirlenen fiziksel durumların hangisinde bulunduğunu, ölçme yapmadan bilemiyoruz. Elektronun nerede olduğunu ya da ölçtüğümüzde, ölçmeden önce –diyelim ki milyardabir saniye önce- orada olduğundan bile emin değiliz. Kuantum mekaniğinin hesaplayabilirliği bu kadar.

       

      Evet, kuantum mekaniğinde bir hesaplanamazlık var. Zihin fonksiyonlarında da bir hesaplanamazlık var. Beyin demiyoruz, çünkü bunun fonksiyonlarının bir kısmı, organları denetleyen istemsiz kısmı belki daha kolay anlaşılıyor. Ama burada söz konusu olan, kollara ve bacaklara emir verme, karar verme mekanizması. Bu nasıl fizikle açıklanabilecek? İşte zorluk burada ve kuantum mekaniği burada devreye giriyor. Zihin bir çok şeyi algılıyor, bunları bir şekilde biriktirip, belleğe yerleştiriyor. Fakat önemli olan karar verme aşamasında birikmiş verilerin tümünden daha fazla bir toplam olup olmadığı sorusudur.

       

      Zihin konuşmamıza komutları nasıl veriyor? Herkesin beyninde her an kafasından geçen düşüncelerle bir çok belki milyonlarca karar veriliyor, bu nasıl oluyor? İşte tüm bu verilerin, beyne girmiş olan bilgi kırıntılarının oluşturduğu fiziksel durumlar ve bunların sayıyla ifade etmekte zorlanacağımız kombinezonlarından her biri bir kuantum mekaniksel durumun bir bileşeni gibi görülebilir. Kuantum mekaniksel durum bileşenleri demekle, serbest bir elektronun uzayın herhangi bir noktasında bulunmasını kastediyoruz. Bu bulunuş bir fiziksel durumdur. Hepsi varit bu elektron için, fakat biz elektronu yakaladığımız yani ölçtüğümüz anda diyoruz ki elektron burada; bu durumlardan bir tanesi ortaya çıktı. Bunu dışarıdan müdahale ederek yapıyoruz. Beyin ise zihin fonksiyonları sırasında bu müdahaleyi nasıl yapıyor? Penrose, zihnin çalışma mekanizması ile bir kuantum mekaniksel sistemin özellikleri arasında analoji kurma imkanı olduğunu söylemektedir.

       

      Burada hesaplanamazlık, yani bir algoritmaya indirgenemezlik konusu en temel bir hususu oluşturuyor. Bu iki sistemden bir tanesinde hesaplanamazlık olmadığı gösterilebilirse bütün bu söylenenler ortadan kalkmış olacak. Aslında hesaplanamazlık, bir algoritmaya indirgenemezlik matematikte bilinmeyen bir şey değildir. Mesela bir yüzeyi çinilerle kaplayacaksınız, biçimleri ne olsun ki yüzey arada hiçbir boşluk kalmadan kaplanabilsin. Matematikçiler, bir yüzeyin hangi şekilde çinilerle periyodik olarak kaplanabileceğinin bir algoritmaya bağlanamayacağını kanıtlamışlardır.

       

      1980’lerde anesteziyologlar tarafından beyin hücrelerindeki mikrotübüller keşfedilmiştir. Bunlar, hücrelerin içinde gayet ince bir iskelet gibi yapı oluşturuyorlar ve mitoz bölünme sırasında ortaya gelerek sınır oluşturup bölünmeyi denetliyorlar. İçlerinde bulunan çok ince lifleri oluşturan protein moleküllerinin ilginç bir özelliği var. Bunların içindeki bir elektron iki değişik durumda bulunabiliyor. Elektronun bu iki durumunu 0 ve 1 durumları gibi alabilirsiniz. Belli bir takım anestetikler verildiğinde bu elektronun yer değiştiremez hale geldiği, yani uyuşturmanın verdiği bilinç kapatılması sırasında bu elektronun donduğu görülüyor. O zaman zihin fonksiyonlarında bu elektronun yer değiştirmesi bir takım kuantum mekaniksel durumlar oluşturmaya yol açabilir. Çünkü elektronun bulunduğu yer için matematiksel olarak bir kuantum mekaniksel durum yazabiliyorsunuz. Bunun gibi bir hücrede milyonlarca var, nöron şebekeleri içinde kaç tane olduğunu ve bunların yaratabileceği değişik sonuç durumlarını düşünün. İşte Penrose’nin, acaba olsa olsa nerede olabilir sorusuna bulamadığı cevap bu. Bunun uygun bir aday olabileceğini 1992 yılında bir anesteziyologun ona söylemesi üzerine öğrenmiştir. Ama gene de bizi şu soruyla karşı karşıya bırakmaktan da kendini alamıyor: “ Acaba parça bütünü anlayabilecek mi? Parça bütünü içine alabilecek mi? Yani, biz acaba bunu anlama yeteneğine sahip miyiz?” ( Gödel teoremi, Russel paradoksu, veya çok eskilerin dediği irade-i külliye/ irade-i cüzziye sorunu gibi bir şey). Aynı soru kuantum mekaniği için de soruluyor: Acaba daha temel düzeyde bilgi (i) Doğada mı yok? (ii) Var da doğa bize yasaklamış mı? (iii) Yoksa bizim yeteneklerimiz mi elvermiyor? Şimdilik genel inanç (i) doğrultusunda.

       

       

   3. Psikolojik Yaklaşım

      Beynin nöroanatomik, biyokimyasal ve fizyolojik açıdan incelenmesi yoğun biçimde sürmektedir. Fakat beyni bir canlının içinde işlev gören bir uzuv olduğunu görerek değerlendirirsek, ister istemez davranış bilimleri de işin içine girmektedir. Çünkü özellikle gelişmiş beyinli memeli hayvanların önemli özelliklerinden biri de çevreleri ile etkileşime girmeleri ve bu sayede yeni şeyler öğrenerek bunları daha sonra hatırlayabilmeleridir. Bu davranışlar açısından da beyin bilgisayar etkileşimi ve benzerliklerine bakılması gereklidir.

       

      Bilgisayarlar ile insanlar arasında ilk bakışta öğrenme ve bellek konusunda çok önemli işlevsel benzerliklerin bulunduğu biliniyor. Öğrenme ve bellek mekanizmaları bize bilgi edinme ve deneyimlerden yararlanma olanağı sağlamaktadır. Bilgisayarlar da genelde öğrenme ve belleklerinde bilgi tutabilme özelliklerine sahipler. Bu açıdan bakıldığında ortaya felsefi sorunlar çıkmaktadır. Bunlardan biri Turing’in öngördüğü öğrenme makinesidir. Bu makinenin insan gibi öğrenebildiğinin testi de turing testi olarak bilinmektedir. Bu konu hakkında felsefi yaklaşım başlığı altında bilgi verildiğinden burada girilmeyecektir.

       

      Böyle bir öğrenme makinesinin temelinde yatan aksiyomatik sistemdeki belirsizliğin Gödel tarafından kanıtlanmış olması, zaten bilginin niteliği ve bilgi edinme yöntemlerinin yeniden gözden geçirilmesine yol açtığı gibi insan bilgisayar karşılaştırmasının temelindeki varsayımların sorgulanmasını da gündeme getirmiştir. Bilgisayarların öğrenmelerine ilişkin şemalarda genellikle bir girdi kanalı, bir işlemciye denk gelen bir kutu ve bilgisayarın ürününü gösteren bir çıktı kanalı gösterilir. Bu girdi ve çıktı kanallarına ve kapağını açarak işlemci kutusunun içine bakıldığında, görülen olgular bilgisayar ile beyin arasında önemli farkların olduğunu ortaya koymaktadır. Burada olayın psikolojik yönüyle ilgili olarak Freudcu bir yaklaşımla nerede bunun libidosu veya Neyzen TEVFİK’i anımsayarak fikri varsa efkarı nerede bunun diye sorular sorulabilir. Tüm bu soruların dışında basit bir örnekle konuya yaklaşalım: bir bilgisayarınız var, fakat her yerde iyi çalışan bilgisayarınız bazı yerlerde doğru çalışmıyor, üstelik sabahları daha iyi öğleden sonra ise kötü çalışıyor yani tekliyor. Ne düşünürsünüz? Bilgisayarınızın bozulduğunu düşünerek tamire götürürsünüz. Ve belki de tamire götürürken bilgisayarınızın insanlaşmaya başladığını düşünebilirsiniz. Burada belirtilmek istenen aslında bilgisayarlardan hiç beklenmeyen bu davranışın bizim hem psikolojimizde hem de fizyolojimizde yerleşik bir olgu olduğudur. Çünkü bilgisayarlardan çok farklı olarak bizim için olayların zamanla ve mekanla kayıtlı bir yanı vardır. Olayların zaman içindeki dizilimi ve mekan içindeki dağılımı bizi temelden etkilemekte ve daha duyu ve algılama gibi temel süreçlerden başlayarak bizi tamamıyla biçimlendirmektedir.

       

      Bilgisayarlarda girişleri iyi bir şekilde düzenlediğiniz takdirde işlem kutusunun niteliğini incelemeden ne olursa olsun çıktının ne olacağını biliyoruz. Buna paralel olarak psikolojideki davranışcı ekole göre, siz kişinin girdilerini gerektiği biçimde düzenleyebildiğiniz sürece kutu, yani a, b, veya c kişileri avukat, doktor veya mühendis olabiliyor. Bu tür radikal davranışcı yaklaşımı bugünkü bilgisayar teknolojileriyle birleştirdiğinizde bilgisayarla beyin arasında çok fazla bir benzemezlik olmadığı görülebilir. Ancak bu tür yaklaşımın geçerli olmadığı, girdilerle çıktılar arasındaki kutunun içeriği ve özelliklerinin araştırılmaya başlanmasıyla gündeme gelmiştir. Özellikle Gestalt psikolojisinin vurguladığı görüş, algılamada uyaranları teker teker inceleyip sonuçları sentezlemenin mümkün olamayacağı tezidir. Yani algılamada bütün, parçalarının toplamından farklıdır. Gestalt psikolojisine göre, bir olayı anlamak için tümünü bir arada ve bir anda algılamak gerekli, çünkü olayın tümünün dinamiği, parçaların teker teker incelenmesi ile ortaya çıkan tablodan farklıdır. Bir karenin uçlarına yerleştirdiğimiz ışıkları yakıp söndürmeyi frekansı arttırarak sürdürdüğümüzde önce kare görünen şeklin frekans arttıkça daire veya çember şeklinde algılandığını görürüz. Bu örnek bize çoğu kez bir olayı parçalarına bölüp parçalarının her birinin beynimizi nasıl etkilediğine bakarak bir bütün yaratmamızın mümkün olmadığını göstermektedir. Uyaranların yada üzerimizde psikolojik etki yaratan durumların teker teker incelenmesinin, bu uyaran yada durumların toplamının yarattığı tabloyu tümüyle anlamamıza yeterli olmayacağı gerçeğidir. Bu bakımdan beynimizi etkileyen uyaran yada durumları birer bağımsız girdi olarak değerlendirmemiz mümkün değildir. Uyaranların üzerimizde yaptıkları etki, zaman ve mekan içindeki dizilimlerine ve birbirleriyle etkileşimlerine bağlıdır.

       

      Sonuç olarak, beynimiz ve beynin bağlı olduğu canlı organizma, zaman ve mekan içinde davranışlarını değiştiren, zamandan ve mekandan etkilenen bir yapıya sahiptir. Bunlar şu aşamada bilgisayarda mevcut değildir. Bilgi edinmede, felsefenin ortaya çıkardığı sınırların yanısıra, bugünkü koşullarda bile beyin ile bilgisayar arasında bir koşutluğun ancak basit bir ilk yaklaşım için geçerli olduğu görülmektedir.

   4. Felsefi Yaklaşım

      Yapay zeka felsefesi en geniş anlamıyla yapay zekanın gerçekten mümkün olup olmadığını soruşturan bir felsefe koludur. Bilgisayarlar düşünebilir mi? Sorusu yapay zeka felsefesinin en temel sorunudur. Bilgisayarların icadından buyana, bu soru bir çok felsefeci, bilim adamı veya yapay zeka araştırmacısı tarafından tartışılmıştır. Bu güne kadar bir problem olarak kalmasının nedeni bu sorunun cevabı hakkında ortak bir uzlaşma sağlanamamasındandır. Hatta, bunun felsefi bir problem mi? Yoksa empirik bir problem mi? Olduğunda dahi mutabık kalınamamıştır.

       

      Şimdi farklı başlıklar altında konu ile ilgili yaklaşımlar açıklanacaktır.

       

      1. Turing makinesi ve turing testi

Yapay zeka felsefesini ilk ortaya çıkaran kişi ünlü ingiliz mantık ve matematikçisi Alan Turing’dir. Dartmouth konferansından altı yıl önce, yani 1950 yılında Turing, Mind adlı felsefe dergisinin Ağustos sayısında Computing Machinery and Intelligence adlı bir makale yayınlamıştır. Bu makalede Turing “Makineler düşünebilir mi?” sorusunu dikkatli bir felsefi tartışmaya açmış ve makineler düşünebilir iddiasına karşı olan itirazları reddetmiştir.

1936 yılında Turing bilgisayar tasarımının mantıki temelleri üzerine bir makale yazmıştır. Bu makalenin konusu matematiksel mantığın soyut bir problemi ile ilgilidir ve bu problemi çözerken Turing bugün Turing makinesi diye adlandırılan, program depo eden genel amaçlı bilgisayarı kuramsal olarak icat etmeyi başarmıştır. Turing makinesi kuramsal bir hesap makinesi olup hesaplarını karelere bölünmüş ve her karede yalnızca bir sembol bulunabilen bir bant aracı ile yapar. Sadece sonlu sayıda içsel durumları vardır. Bir karedeki sembolü okuduğu zaman halihazırdaki durumuna ve sembolün ne olduğuna göre durumu değişebilir.

Alan Turing ayrıca Turing testi olarak adlandırılan ve bir bilgisayarın veya başka bir sistemin insanlarla aynı zihinsel yetiye sahip olup olmadığını ölçen bir test geliştirmiştir. Genel anlamda bu test bir uzmanın, makinenin performansı ile bir insanınkini ayırt edip edemeyeceğini ölçer. Eğer ayırt edemezse, makine insanlar kadar zihinsel yetiye sahip demektir. Bu testte bir insan ve bir bilgisayar, deneyi yapan kişiden gizlenir. Deneyi yapan hangisiyle haberleştiğini bilmeden bunların ikisiyle de haberleşir. Deneyi yapan kişinin sorduğu sorular ve deneklerin verdiği cevaplar bir ekranda yazılı olarak verilir. Amaç, deneyi yapanın uygun sorgulama ile deneklerden hangisinin insan, hangisinin bilgisayar olduğunu bulmasıdır. Eğer deneyi yapan kişi güvenilir bir şekilde bunu söyleyemez ise, o zaman bilgisayar Turing testini geçer ve insanlar kadar kavrama yeteneğinin olduğu varsayılır.

2. Çin odası deneyi

California üniversitesinden John SEARLE bilgisayarların düşünemediğini göstermek için bir düşünce deneyi tasarlamıştır. Bir odada kilitli olduğunuzu düşünün ve odada da üzerlerinde çince tabelalar bulunan sepetler olsun. Fakat siz çince bilmiyorsunuz. Ama elinizde çince tabelaları ingilizce olarak açıklayan bir kural kitabı bulunsun. Kurallar çinceyi tamamen biçimsel olarak, yani söz dizimlerine uygun olarak açıklamaktadır. Daha sonra odaya başka çince simgelerin getirildiğini ve size çince simgeleri odanın dışına götürmek için, başka kurallarda verildiğini varsayın. Odaya getirilen ve sizin tarafınızdan bilinmeyen simgelerin oda dışındakilerce `soru` diye, sizin oda dışına götürmeniz istenen simgelerin ise `soruların yanıtları` diye adlandırıldığını düşünün. Siz kilitli odanın içinde kendi simgelerinizi karıştırıyorsunuz ve gelen çince simgelere yanıt olarak en uygun çince simgeleri dışarı veriyorsunuz. Dışta bulunan bir gözlemcinin bakış açısından sanki çince anlayan bir insan gibisiniz. Çince anlamanız için en uygun bir program bile çince anlamanızı sağlamıyorsa, o zaman herhangi bir sayısal bilgisayarın da çince anlaması olanaklı değildir. Bilgisayarda da sizde olduğu gibi, açıklanmamış çince simgeleri işleten bir biçimsel program vardır ve bir dili anlamak demek, bir takım biçimsel simgeleri bilmek demek değil, akıl durumlarına sahip olmak demektir.

3. Bilgi, bilinç ve yapay zeka

Beyin etten yapılmış bir bilgisayar mıdır? Bir bilgisayar üretildiği fiziksel malzemeler dolayısıyla zamana tabi olarak çalışır ve devrelerinin bağlantılarına ve yazılıma göre ulaşılan sonuçlar neden-sonuç ilişkisi bakımından sıkı bir gerekirciliği (determinizmi) ortaya koyar. Bu bakımdan, insan bilinci de, insanın tüm bedensel işlevlerinin yönetim merkezi olan beynin, elektriksel ve kimyasal süreçlere bağlı olarak, fiziksel varolanın (uzay ve zamanda varolanın) tabi olduğu neden-sonuç ilişkisine, nedenselliğe bağlı olan bir süreçten başkası değil midir? Yani bilinç ve akıl tümüyle fiziksel süreçlere indirgenebilir mi?

Bu sorular düşünce tarihi içinde derin kökleri olan önemli sorulardan bir kaçıdır. Eğer biz tüm insani özelliklerin fiziğe tabi olan bedensel işlevlere indirgenebileceğini savunuyorsak, bu yaklaşımla beynin etten yapılmış bir bilgisayar olduğunu, yani yapay zekanın henüz yeterince gelişmemiş bir insan prototipi olduğunu kabul ediyoruz demektir. Buna karşılık, insanın yalnızca fiziksel süreçlere tabi olan bir makineye indirgenemeyeceğini savunuyorsak, bunun gerekçelerinin ortaya konması gerekir.

Şimdi, eğer tüm bilgimizin deneyle başladığını kabul ediyorsak, bilginin ortaya çıkması için gerekli iki koşulu şöyle ifade edebiliriz: Deneyimden gelen malzeme ya da veriler ve bu verilerin, aklın kendi sahip olduğu formlar aracılığı ile kalıba dökülmesi ve sonuçta bilginin üretilmesi.

Verilerin kalıba dökülmesi, önerme formuna sokulması bir fiildir ve bu fiilin yapılması için bilincin ortaya çıkması gerekir. Yani her bilgi fiili bir bilinç fiilidir. Şimdi soru şudur: Bilinç bir beyin süreci midir? Yoksa beyin süreçlerinin arkasında duran ve bu süreçlerin sonucunda, bir şeye (nesneye) yönelmek suretiyle ortaya bir bilgi konulmasını sağlayan etkin neden, bilinç fiilinin kendisi midir?

Bilgi bir bilinç durumudur, düzensiz bir veriler topluluğunun algılanması değildir. Şeylerin bir bilgi nesnesi yada onların bağlantılarının bilgisi olarak ortaya çıkması, o nesneye bir birlik verilmesi ile olanaklıdır, bu ise bu birliği veren öznenin, “ben”in kendi birliğinin bilincinde olmasıyla olanaklıdır. Yani her bilgiye birliğini veren ben bilinci her bilgiden önce gelmektedir. Eğer beyin süreçleri ile “ben” bilinci aynı şeyse, zamana ve nedenselliğe tabi olan beyin süreçlerinin nasıl olup da farklı ben bilinçlerinin ortaya çıkmasını sağladığı ise karanlıkta olan bir sorudur.

Aklın deneyden gelen uyarılara dayalı bilgi üretmesinin yanında, kendisi deneyden gelmeyen, ama deneyle gelen malzemeyle doğa bilimlerinin yapılabilmesinin koşulunu oluşturan matematik ve matematiksel nesnelerle ilgili değerlendirmeler, bilincin beyin süreçlerine indirgenemeyeceği yönünde bir destek sağlamaktadır.

Matematiğin ve matematiksel nesnelerin (sayı, üçgen gibi) ne olduğu sorusunun yanıtı kolaylıkla verilemez, ama ne olmadığının yanıtı üzerine şunlar söylenebilir. Matematiğin nesneleri ve onların bağıntıları zamana ve neden-sonuç ilişkisine bağımlı değildir. Bu tür nesnelerin bağıntılarını özsel olarak farklı ilkeler yönetmektedir (çelişmezlik ilkesi gibi).

Eğer matematiksel nesnelerin zamana ve neden sonuç ilişkisine tabi olmadıklarını görüyorsak, bundan, bu nesnelerin fiziksel süreçlerin dışında kalan bir dayanağa sahip oldukları sonucu çıkar. Bu nedenle matematiksel nesneler, fiziksel süreçlere tabi olarak ortaya çıkan şeyler değildir; ama fiziksel olanın, malzemenin, düzene ve sıraya sokulmasının dayanağını oluşturması nedeniyle, fiziksel süreçlerin insan için anlaşılabilir ve bilgisine ulaşılabilir bir şey olmasını sağlarlar.

Bu bakımdan insan beynini yalnızca fiziksel süreçlere tabi olan bir bilgi işleme merkezi olarak görmek, matematiksel nesneleri de zamana ve neden-sonuç ilişkisine bağlı olarak görmek sonucunu getirir ki, o zaman sayı, üçgen gibi fiziksel nesnelerin bağıntılarının kesinlik ve zorunluluğunun hesabını vermek olanaksız olacaktır. Yani fiziksel süreçler, bu süreçlerin dışında kalan ilkelerle işleyen soyut nesnelerin dayanağı olamazlar. O halde, eğer matematiksel nesneler ve matematik, zamana ve neden-sonuç ilişkisine tabi değillerse ve bunların dayanağını fiziksel süreçler oluşturmuyorsa, bu dayanağın fiziksel süreçlere tabi olmayan bir şey olduğunu, yani aklın kendi unsurlarının bu süreçlerin dışında olduklarını düşünmek durumundayız. Bunun ise anlamı şudur: İnsan bilinci ve aklı, yalnızca fiziksel süreçlere tabi olan ve nöron ağlarından oluşmuş beyin organının üstünde bir “yer”e, “iç”e sahiptir. Bu yer (iç), aklın yanı sıra, “özgür irade”nin de dayanağını oluşturur.

Eğer insan varlığı, yalnızca fiziksel bir nesne olarak görülürse, yani “empirik ben”den ibaretse, burada özgür iradeye yer yoktur. Çünkü fiziksel bir nesne olarak zamana ve nedenselliğe tabi olan insan varlığı sıkı bir gerekircilik içinde belirlenmiştir. Öte yandan, insanın tüm empirik belirlenimlerinin arkasında duran, onun zeminini oluşturan, ama zaman ve nedensellikle belirlenmemiş bir “aşkınsal (transandantal)” yanı vardır ki, bilincin ortaya çıkmasının arkasında duran ve özgür iradenin dayanağı olan, onun bu aşkınsal yanıdır.

Günümüzün ünlü fransız filozofu Georges Canguilhem araçsallıkçılığın (instrumentalisme) her türüne karşı çıkarak, teknik sapmanın her köşe bucağa yayılmasını eleştirmektedir. “Beyin ve düşünce” adlı yazısında elektronik hırdavatçılığın her kesimi etkisi altına aldığını vurgulayan filozof, yapay zekadan enformasyon modellerine değin her türlü teknolojik başarının getirdikleri kadar götürdükleri de olduğunu savunmuştur. İnsan zihninin bir bilgisayara sığdırılamayacağını, ve bilgisayarında sonuç olarak insan zihninin tüm yetilerinin üstesinden gelemeyeceğini dile getiren filozof, bu anlayışın eskilerin frenoloji görüşüne benzediğini söyler. Oynanılan, ayarlanmaya çalışılan, belirsiz amaçlara yönlendirilen bir insan dünyasına karşı; düşüncenin kaçınılmaz ve normal durumuna denkmiş gibi yutturulan bir teknik evren aracılığı ile ortaya çıkan açmazı açmanın tek yolunun felsefeye düştüğünü söyleyen Canguilhem’e göre, “ şu andaki egemenliğinin başkasına devredilemez hakkı olarak ben’in savunulması felsefenin biricik görevidir.”

Sonuç olarak yapay zeka çalışmalarının ve nörolojinin yönünün ve olanaklarının belirlenebilmesi için, insanın ve insan aklının ne olduğunun soruşturulması, ama bu soruşturmanın yalnızca bilişim bilimleri ve deneysel psikoloji alanında değil, metafiziksel olarak felsefe içinde de soruşturulması gerekmektedir

4. Yönetim Bilimleri ve Yapay Zeka

Yönetim bilimleri yapay zeka alanındaki gelişmelerden hızla etkilenmektedir. Bu etkileşimin bir sonucu olarak, doğal dil arabirimleri, endüstriyel robotlar, uzman sistemler ve zeki yazılımlar gibi uygulamalar ortaya çıkmıştır. Her seviyeden yöneticiler ve çalışanlar, direk veya dolaylı da olsa son kullanıcı olarak bu gelişmelerden haberdar olmak durumundadır. Çünkü bir çok işyeri ve organizasyonda, gittikçe artan bir oranda yapay zeka teknikleri kullanılmakta ve bu yolla verimlilik artışı sağlanmaya çalışılmaktadır.

Şekilde yapay zekanın yönetim bilimlerindeki farklı uygulama alanları gösterilmektedir. Şimdi kısaca bazı yapay zeka teknikleri ve uygulama alanlarından bahsedilecektir.

1. Bilgisayar Bilimleri 

   Uygulamaların bu alanı bilgisayar yazılım ve donanımı üzerine odaklanmıştır. Çünkü yapay zeka uygulamalarının çoğu için, çok güçlü süper bilgisayarların üretilmesine gereksinim duyulmaktadır. Bunun ilk aşamasını beşinci nesil olarak anılan zeki bilgisayarlar oluşturmaktadır. Bu bilgisayarlar optimum seviyede mantıksal anlam çıkarma işlemi için tasarlanmaktadırlar. Bu anlam çıkarma, geleneksel bilgisayarlardaki nümerik işlem yerine sembolik işlemin kullanılması anlamına gelmektedir. Diğer çalışma ise, sinirsel ağların geliştirilmesi için yapılmaktadır. Neurocomputer sistemleri, insan beynindeki nöronların ağ yapılarına göre şekillendirilmiş bir yapıdadır (bkz. 3.4 sinirsel ağlar). Bu bilgisayarlar bilginin bir çok farklı kısmını aynı anda işleyebilirler. Sinirsel ağ yazılımlarının, basit problem ve çözümleri gösterilerek öğrenmesi sağlanabilmektedir. Örneğin resimleri tanıyabilmekte ve problemleri çözmek için program yapabilmektedirler.

2. Robotik

   Yapay zeka, mühendislik ve psikoloji robotiğin temel disiplinleridir. Robotik teknolojisi, insan gibi fiziksel kapasitelere sahip, bilgisayar kontrollü robot üretiminin gerçekleştirilmesi için geliştirilmiştir ve yapay zeka alanındaki gelişmelere paralel olarak ilerlemektedir. Bu alandaki uygulamalar robotlara, görme yeteneği veya görsel algılama, dokunsal algılama, idare etmede beceri ve hüner, hareket kabiliyeti ve yol bulabilme zekası kazandırmaktadır. Bazı uygulama örnekleri aşağıda verilmiştir.

    

   Stuttgart Üniversitesi’nin Paralel ve Dağıtılmış Yüksek Performans Bilgisayarları Enstitüsü’nde Prof. Paul Levi yönetiminde bir çalışma gurubu Aramis (adını monte edilmiş olan kolundan alıyor), Porthos (yük taşıyıcısı) ve Athos (bir stereo kameraya sahip ve gurubun gözcüsü) isimli üç robot üretmiştir. Bu robotlar küçük sorunlarını tekbaşlarına çözebilmektedir. Fakat bu robotlarda diğerlerinde olmayan bir özellik vardır, kooperasyon yeteneği. Şöyleki; kimin hangi görevi hangi sırayla yapacağını aralarında kararlaştırıyorlar. Bunu konuşarak yapmaları teknik bir dayatmadan çok araştırmacıların oyun dürtüsüne işaret etmektedir. Aslında makineler bit ve byte’lar düzleminde anlaşmalarına rağmen, çalışma esnasında kadın ve erkek sesleriyle gerçekleşen sözlü diyaloglar ortaya çıkmaktadır. Prof. Levi’ye göre üç şilahşörler, günün birinde temizlik, nakliyat ve konstrüksiyon ile ilgili görevleri yürütecek bir robot kuşağının prototipleridir.

    

   Bir başka örnek ise MIT’den Rodney Brooks’un tasarladığı ATTİLA isimli böcek robot. 30 cm. boyutundaki bu robot üzerinde 23 motor, 10 mikro işlemci ve 150 adet algılayıcı bulunuyor (Şekil 8). Her bacağın üç bağımsız hareketi sayesinde engellerin üstüne tırmanıyor, dik inişler yapıyor ve tutunarak kendisini 25 cm. yüksekliğe çekebiliyor. Brooks’un yapay zeka anlayışında izleme, avlanma, ileri gitme ve gerileme gibi bir takım ilkel içgüdü ve refleksler yer alıyor. Öte yandan onun robotlarında bunları seçen ve bu basit hareketleri yönlendiren bir beyin modeli yer almıyor. Bunun yerine, her davranış, robotun kontrolünde yarışan bireysel zekalar olarak işliyor. Kazananı, robotun alıcılarının o anda ne hissettiği belirliyor ve bu noktada diğer tüm davranışlar geçici olarak bastırılıyor. Kurulan mantıkta, “gerile” gibi tehlikeden sakınma davranışları, “avı izle” gibi daha üst seviyedeki fonksiyonları bastırıyor. Davranış hiyerarşisindeki her seviyenin gerçekleşmesi için bir alttakinin aşılması gerekiyor. Böylece bir böcek robot, örneğin “odadaki en uzak köşeyi belirle ve oraya git” gibi yüksek düzeyde bir komutu, bir yerlere çarpıp başına kaza gelme korkusu olmadan yerine getirebiliyor.

    

   Robotlar gelecekte yalnızca basit ve monoton görevlerle sınırlanmayıp, insanlara karmaşık ve tehlikeli görevlerde de yardımcı olacakları için, akıllı ve daha esnek kullanımlı bir kavrama sisteminin geliştirilmesine yönelik olarak , DLR (Alman Hava ve Uzay Uçuşları Araştırma Kurumu) tarafından insan elini örnek alan üç parmaklı ve çok sensörlü bir robot el geliştirilmiştir (şekil 9).

3.   Doğal Arabirimler

Doğal arabirimlerin gelişimi yapay zekanın önemli bir alanını göz önüne alır. Doğal arabirimlerin gelişimi, insan tarafından bilgisayarların daha doğal kullanımına yönelik bir kolaylık sağlar. Bu alanda yapay zeka araştırmacılarının en büyük amacı, insan konuşma dilinde bilgisayar ve robotların konuşmaya başlaması ve bizim onları anladığımız gibi onların da bizi anlayabilmesidir. Uygulamalar dil bilim, psikoloji, bilgisayar bilimleri gibi disiplinleri içine alan bir kollektif çalışma alanı içinde yapılmaktadır. Bazı uygulama alanları olarak insan dilini anlama, konuşmayı tanıma, beden hareketlerinin şekillerini kullanan çok algılayıcılı cihazların geliştirilmesi gösterilebilir.

Bilgisayar ile ilişki kurmak için bir anadilin kullanılması aslında yapay zekanın en kuvvetli yanlarından birini temsil eder. Yazılı anadilin işlenmesi uygulamaları ise çok sayıda bulunmaktadır. Bu konudaki başlıca uygulamalar şunlardır:

• Bilgisayar yardımıyla tercüme,
• Metin özetlerinin otomatik olarak hazırlanması,
• Metinlerin otomatik olarak üretilmesi (anlamlı bir sözdizimsel form olarak),
• Dökümanların hazırlanmasına yardım (hataların ve tutarsızlıkların bulunması ve gerektiğinde düzeltilmesi, örnek: MSWord programı).

İnsan sesini algılayan bir uygulama örneği olarak da, NaturallySpeaking isimli bir program seti verilebilir. Program erkek/bayan ayrımı yapmamak için ses girişlerini nötr sinyallere çevirir. Bir batch işlemi, konuşmaları konuşmacıdan bağımsız olarak kendi iç modeliyle karşılaştırarak, süreklilik ve vurgulama gibi ince ayarları yapar. Farklı kullanıcıların telaffuz farklılıklarındaki tutarlılık bu sayede sağlanır. Program ayrıca zaman kaybetmemek için, söylenen bir kelimenin ardından gelebilecek kelimeleri tahmin eder ve tarama alanını daraltır. Mesela, sayın kelimesinden sonra, büyük bir ihtimalle isim gelecektir, tarama alanı buna göre isim alanına yönlendirilir. Bunun ötesinde tüm cümlenin anlamına bakılarak, kelimenin cümlede uygun yerde olup olmadığı da kontrol edilir. Programın elindeki bilgiler arttıkça eskisine göre farklı kararlar verdiği görülmektedir. Gündelik konuşmalarda rastlanan cümlelerde program mükemmel bir performans sergilemektedir. Bir günlük düzenli bir çalışma sonrasında doğruluk oranı %95’lere ulaşmaktadır.

 

4. Sinirsel Ağlar

Sinirsel ağlar çeşitli yollarla birbirine bağlı birimlerden oluşmuş topluluklardır. Her birim iyice basitleştirilmiş bir nöronun niteliklerini taşır. Nöron ağları sinir sisteminin parçalarında olup biteni taklit etmekte, işe yarar ticari cihazlar yapmakta ve beynin işleyişine ilişkin genel kuramları sınamakta kullanılır. Sinirsel ağ içindeki birimler, herbirinin belli işlevi olan katmanlar şeklinde örgütlenmiştir ve bu yapıya yapay sinir ağı mimarisi denir.

Yapay sinir ağlarının temel yapısı, beyne, sıradan bir bilgisayarınkinden daha çok benzemektedir. Yine de birimleri gerçek nöronlar kadar karmaşık değil ve ağların çoğunun yapısı, beyin kabuğundaki bağlantılarla karşılaştırıldığında büyük ölçüde basit kalmaktadır. Şimdilik, sıradan bir bilgisayarda, akla uygun bir sürede taklit edilebilmesi için bir ağın son derece küçük olması gerekiyor. Gittikçe daha hızlı ve daha koşut çalışan bilgisayarlar piyasaya çıktıkça zamanla gelişmeler sağlanacaktır.

Yapay sinir ağlarındaki her bir işlem birimi, basit anahtar görevi yapar ve şiddetine göre, gelen sinyalleri söndürür ya da iletir. Böylece sistem içindeki her birim belli bir yüke sahip olmuş olur. Her birim sinyalin gücüne göre açık ya da kapalı duruma geçerek basit bir tetikleyici görev üstlenir. Yükler, sistem içinde bir bütün teşkil ederek, karakterler arasında ilgi kurmayı sağlar. Yapay sinir ağları araştırmalarının odağındaki soru, yüklerin, sinyalleri nasıl değiştirmesi gerektiğidir. Bu noktada herhangi bir formdaki bilgi girişinin, ne tür bir çıkışa çevrileceği, değişik modellerde farklılık göstermektedir. Diğer önemli bir farklılık ise, verilerin sistemde depolanma şeklidir. Nöral bir tasarımda, bilgisayarda saklı olan bilgiyi, tüm sisteme yayılmış küçük yük birimlerinin birleşerek oluşturduğu bir bütün evre temsil etmektedir. Ortama yeni bir bilgi aktarıldığında ise, yerel büyük bir değişiklik yerine tüm sistemde küçük bir değişiklik yapılmaktadır.

Yapay sinir ağları beynin bazı fonksiyonlarını ve özellikle öğrenme yöntemlerini benzetim yolu ile gerçekleştirmek için tasarlanır ve geleneksel yöntem ve bilgisayarların yetersiz kaldığı sınıflandırma, kümeleme, duyu-veri işleme, çok duyulu makine gibi alanlarda başarılı sonuçlar verir. Yapay sinir ağlarının özellikle tahmin problemlerinde kullanılabilmesi için çok fazla bilgi ile eğitilmesi gerekir. Ağların eğitimi için çeşitli algoritmalar geliştirilmiştir.

Lapedes ve R.Farber (1987) bir sinirsel ağın çok karışık zaman serilerinin nokta tahmininde kullanılabileceğini ve elde edilen sonuçların lineer tahmin metodu gibi klasik metodlara göre çok daha kesin olduğunu göstermişlerdir. Kar Yan Tam (Hong Kong Üniversitesi) ve Melody Y.Kiang (Arizona State Üniversitesi) geliştirdikleri sinirsel ağı, işletmelerin iflas gibi finansal güçlüklerini tahmin etmede kullanmışlardır.

Günümüzde sinirsel ağ uygulamaları ya geleneksel bilgisayarlar üzerinde yazılım simülatörleri kullanılarak, veya özel donanım içeren bilgisayarlar kullanarak gerçekleştirilmektedir. Kredi risk değerlemesinden imza kontrolü, mevduat tahmini ve imalat kalite kontrolüne kadar uzanan uygulamalar yazılım paketlerinden faydalanılarak yapılmaktadır.

5. Bulanık Mantık

   Bulanık mantık (Fuzzy Logic) kavramı ilk kez 1965 yılında California Berkeley Üniversitesinden Prof. Lotfi A.Zadeh’in bu konu üzerinde ilk makallelerini yayınlamasıyla duyuldu. O tarihten sonra önemi gittikçe artarak günümüze kadar gelen bulanık mantık, belirsizliklerin anlatımı ve belirsizliklerle çalışılabilmesi için kurulmuş katı bir matematik düzen olarak tanımlanabilir. Bilindiği gibi istatistikte ve olasılık kuramında, belirsizliklerle değil kesinliklerle çalışılır ama insanın yaşadığı ortam daha çok belirsizliklerle doludur. Bu yüzden insanoğlunun sonuç çıkarabilme yeteneğini anlayabilmek için belirsizliklerle çalışmak gereklidir.

Fuzzy kuramının merkez kavramı fuzzy kümeleridir. Küme kavramı kulağa biraz matematiksel gelebilir ama anlaşılması kolaydır. Örneğin “orta yaş” kavramını inceleyerek olursak, bu kavramın sınırlarının kişiden kişiye değişiklik gösterdiğini görürüz. Kesin sınırlar söz konusu olmadığı için kavramı matematiksel olarak da kolayca formüle edemeyiz. Ama genel olarak 35 ile 55 yaşları orta yaşlılık sınırları olarak düşünülebilir. Bu kavramı grafik olarak ifade etmek istediğimizde karşımıza şekil deki gibi bir eğri çıkacaktır. Bu eğriye “aitlik eğrisi” adı verilir ve kavram içinde hangi değerin hangi ağırlıkta olduğunu gösterir.

Bir fuzzy kümesi kendi aitlik fonksiyonu ile açık olarak temsil edilebilir. Şekilde görüldüğü gibi aitlik fonksiyonu 0 ile 1 arasındaki her değeri alabilir. Böyle bir aitlik fonksiyonu ile “kesinlikle ait” veya “kesinlikle ait değil” arasında istenilen incelikte ayarlama yapmak mümkündür.

Bulanık mantık ile matematik arasındaki temel fark bilinen anlamda matematiğin sadece aşırı uç değerlerine izin vermesidir. Klasik matematiksel yöntemlerle karmaşık sistemleri modellemek ve kontrol etmek işte bu yüzden zordur, çünkü veriler tam olmalıdır. Bulanık mantık kişiyi bu zorunluluktan kurtarır ve daha niteliksel bir tanımlama olanağı sağlar. Bir kişi için 38,5 yaşında demektense sadece orta yaşlı demek bir çok uygulama için yeterli bir veridir. Böylece azımsanamayacak ölçüde bir bilgi indirgenmesi söz konusu olacak ve matematiksel bir tanımlama yerine daha kolay anlaşılabilen niteliksel bir tanımlama yapılabilecektir.

Bulanık mantıkta fuzzy kümeleri kadar önemli bir diğer kavramda linguistik değişken kavramıdır. Linguistik değişken “sıcak” veya “soğuk” gibi kelimeler ve ifadelerle tanımlanabilen değişkenlerdir. Bir linguistik değişkenin değerleri fuzzy kümeleri ile ifade edilir. Örneğin oda sıcaklığı linguistik değişken için “sıcak”, “soğuk” ve “çok sıcak” ifadelerini alabilir. Bu üç ifadenin her biri ayrı ayrı fuzzy kümeleri ile modellenir.

Bulanık mantığın uygulama alanları çok geniştir. Sağladığı en büyük fayda ise “insana özgü tecrübe ile öğrenme” olayının kolayca modellenebilmesi ve belirsiz kavramların bile matematiksel olarak ifade edilebilmesine olanak tanımasıdır. Bu nedenle lineer olmayan sistemlere yaklaşım yapabilmek için özellikle uygundur.

Bulanık mantık konusunda yapılan araştırmalar Japonya’da oldukça fazladır. Özellikle fuzzy process controller olarak isimlendirilen özel amaçlı bulanık mantık mikroişlemci çipi’nin üretilmesine çalışılmaktadır. Bu teknoloji fotoğraf makineleri, çamaşır makineleri, klimalar ve otomatik iletim hatları gibi uygulamalarda kullanılmaktadır. Bundan başka uzay araştırmaları ve havacılık endüstrisinde de kullanılmaktadır. TAI’de araştırma gelişme kısmında bulanık mantık konusunda çalışmalar yapılmaktadır. Yine bir başka uygulama olarak otomatik civatalamaların değerlendirilmesinde bulanık mantık kullanılmaktadır. Bulanık mantık yardımıyla civatalama kalitesi belirlenmekte, civatalama tekniği alanında bilgili olmayan kişiler açısından konu şeffaf hale getirilmektedir. Burada bir uzmanın değerlendirme sınırlarına erişilmekte ve hatta geçilmektedir.

6. Sanal Gerçeklik

Sanal gerçeklik bilgisayar ortamında oluşturulan bir gerçekliktir ve cyberspace olarak da bilinir. Yapay zekanın bu alanında doğal gerçekliğe uygun, insan/bilgisayar arabirimlerinin kullanıldığı bir ortam oluşturulur. Sanal gerçeklik, gözlük ve stereo kulaklıktan oluşan başlık seti, vücut hareketlerini algılayan özel bir giysi veya eldivenden oluşan, çok algılayıcılı giriş-çıkış cihazlarına bağlı olarak oluşturulmaktadır. Böylelikle üç boyutlu sanal dünyayı görebilir ve dokunabilirsiniz. Sanal gerçeklik sizin bilgisayar benzetimli nesneler ve varlıklar ile etkileşim içine girebilmenize olanak sağlamaktadır.

Sanal gerçeklik uygulamaları geniş bir alana yayılmıştır. Bilgisayar destekli tasarımda (CAD), tıbbi teşhis ve tedavide, fiziksel ve biyoloji bilimlerindeki bilimsel deneyimlerde, pilot ve astronotların eğitimi için uçuş simülatörlerinde ve eğlence olarak üç boyutlu video oyunlarında kullanılmaktadır. CAD en geniş şekliyle endüstriyel sanal gerçeklik uygulamalarında kullanılmaktadır. Mimarlar ve tasarımcılar, ürünlerin ve yapıların üç boyutlu modelleri üzerinde test ve tasarım işlemleri yapmakta kullanırlar. Bu teknoloji ayrıca ecza ve biyoteknoloji firmaları tarafından yeni ilaçların compüterize edilmiş davranışlarını geliştirmek ve gözlemlemek için kullanılmaktadır. Ayrıca doktorlar hasta vücudunun sanal bir modelinin oluşturulup sorgulanmasında faydalanmaktadır.

Şimdi sanal gerçeklik uygulaması ile ilgili daha somut örnekler verilecektir.

• 1998 yılında kullanıma açılacak olan Paris yakınlarındaki stadyum, IBM Fransa tarafından yapımından önce sanal olarak inşa edilmiştir. Amaç tasarım aşamasında insan akınlarını ve onların davranışlarını analiz etmektir. Ayrıca sağlık ve güvenlik kuruluşlarını ihtiyaç duyulan yerlere yerleştirmek ve ziyaretçilere mümkün olduğunca konfor ve hareket serbestliği sağlayabilmektir. Bunların yanısıra müdahale olanaklarını ve etkilerini daha iyi tahmin etme imkanı olmaktadır. Gelecekte bu simülasyonun, havaalanları, resmi binalar ve alışveriş merkezlerinin tasarımında kullanılacağı belirtilmektedir.

• Almanya Frauenhofer Enstitüsünde, yolcuların uçuş korkusunu yenebilecekleri, yolculara yönelik ilk uçuş simülatörü gerçekleştirilmiştir. Bu proje, sanal gerçeklikle psikolojinin, fobilerin tedavisi için ilişkilendirilmesi fikrinden doğmuştur. Sanal ortama, yürüyen bir bant üzerindeymişcesine pencerelerin yanından geçip hafif eğimli olan kapıya vararak giriyorsunuz. Uçağa biniyor, doğru yeri buluyor ve oturuyorsunuz. Klima çalışıyor ve hoparlörlerden müzik sesi geliyor. Hafif bir sarsıntıyla uçak kapıdan ayrılıyor ve piste doğru yol alıyor. Makinelerden uğultulu bir ses geliyor, ivme sizi koltuğa bastırıyor ve Take-off. Yolcu, uçuşu, sanal gerçeklik kaskı ve kulaklık vasıtasıyla yaşıyor, gerçek uçuş duygusunu ise podestin altındaki performansı yüksek elektromotorlar sağlıyor. Uçuş deneye katılan yolcuların sorgulanması ile birlikte yaklaşık kırk dakika kadar sürüyor.

• Avrupa orjinli bir oto üreticisi firma, dağıtım masraflarının yüksek olduğunu düşünmekte ve bu nedenle Kuzey Amerika’daki dağıtım sistemini yeniden ele alıp olası iyileştirme olanaklarını değerlendirmek istemekteydi. Söz konusu firma, ABD dışındaki iki fabrikada ürettiği arabaları deniz ya da demiryoluyla ABD’de yer alan beş dağıtım merkezine göndermekteydi. Araçlar dağıtım merkezlerinden ABD’deki 52 değişik metropoliten pazara dağıtılmaktaydı.